一篇论文：
- Simplify the Usage of Lexicon in Chinese NER ACL2020，把中文的词汇信息结合到字级别的NER模型中。
一篇论文：
两篇论文：
摆正想法：
实体识别任务的迁移为主体，实体识别任务使用阅读理解的目的是为了更好地确定实体边界，阅读理解任务只是辅助。
两篇论文：
A neural transition-based model for nested mention recognition 构造解析树解决嵌套NER任务。
A Unified MRC Framework for Named Entity Recognition 使用阅读理解框架解决实体识别任务**（重点）**。
两篇论文：
How multilingual is Multilingual BERT? 提出了多语言Bert。
Enhanced Meta-Learning for Cross-lingual Named Entity Recognition with
Minimal Resources，它使用了多语言BERT模型，Meta-Learning算法做跨语言的NER任务。
两篇论文：
三篇论文：
我们在linux服务器上的工作一般都会通过一个远程的终端连接软件，例如Xshell、MobeXterm等，连接到远端系统进行操作。在使用过程中，如果要做比较耗时的操作，比如训练模型、下载大型文件。如果不使用一些工具，我们就需要一直将终端连接软件挂在那里，如果遇到网络不稳定，连接还会断开，程序也会中断。解决这一问题的方式就是将程序或者进程放在后台运行，使其不影响当前的操作，同时终端上的操作或者网络连接情况也不会影响到程序的后台运行，这就需要一些工具来辅助。本文总结了三种将程序后台运行的方式。
推荐编辑器：Typora，各类操作系统官网都有相应的版本，很干净，超好用。
Markdown是一种可以使用普通文本编辑器编写的标记语言，通过简单的标记语法，它可以使普通文本内容具有一定的格式。Markdown具有一系列衍生版本，用于扩展Markdown的功能（如表格、脚注、内嵌HTML等等）。
本周看的两篇论文是关于对抗学习在命名实体识别迁移学习任务上的应用，分别是18年《Adversarial Transfer Learning for Chinese Named Entity Recognition with Self-Attention Mechanism》，提出了用于NER的多任务的对抗迁移学习方法；以及19年《Dual Adversarial Neural Transfer for Low-Resource Named Entity Recognition》，将对抗训练用于NER的跨领域迁移任务。
原先博客搭在腾讯云服务器上，闲置了很久。腾讯云马上到期，借这个机会把博客移到了GitHub上，同步建了微信订阅号，欢迎关注！博客刚搭完，趁着还没忘，总结一下过程和遇到的坑。因为网上教程很多，所以不详细写，这篇主要写给自己，有问题可评论，我会回复。